基于 Bi-LSTM 和 Kalman 的光伏发电功率超短期预测

打开文本图片集

关键词： 光伏发电; 功率; 超短期预测; 双向长短期记忆网络; 卡尔曼滤波器中图分类号： TB9; TM619 文献标志码： A 文章编号： 1674–5124（2025）05–0141–07

Abstract： The ultra short term prediction of photovoltaic power generation provides support for the dispatch of other  adjustable  power  sources  such  as  coal-fired  power  and  energy  storage  in  the  power  grid.  A  hybrid prediction method combining bi-directional long short term memory （Bi-LSTM） and Kalman filter is proposed to  address  the  issues  of  low  accuracy  in  predicting  photovoltaic  power  generation  due  to  the  randomness  of meteorological factors and the accumulation and aging of photovoltaic cell arrays. The Bi LSTM model learns the  characteristics  of  meteorological  factors  and  combines  them  with  weather  forecast  data  to  reduce  the random errors caused by meteorological factors. Kalman can reduce the cumulative errors caused by factors such as dust accumulation and aging in photovoltaic cell arrays. Example verification shows that under longterm operating conditions， the hybrid model improves prediction accuracy by 3.78% and 2.50% respectively compared to single Kalman and Bi-LSTM models.

Keywords：  photovoltaic  power  generation;  power;  ultra  short  term  prediction;  bi-directional  long  short  term

memory network; Kalman filter

0 引 言

精确的光伏发电功率预测为电网调度煤电、储能等其他可调电源提供支持。（剩余10961字）